Breaking-news Geographica a CARTO company. Felices de anunciar que CARTO adquiere Geographica. Saber más
Menú

Geographica:Make data count.

Qué es Data Visualization y por qué es importante

por Azahara 22/Nov/2018

La enorme cantidad y diversidad de datos de la que disponemos en la actualidad gracias a las nuevas tecnologías, entre las que destaca el Big Data, ha supuesto una revolución a nivel mundial. Todo ello ha conllevado la aparición de nuevos retos relacionados con el manejo de toda esta información.

Una de las grandes preguntas que se hacen los encargados de manejar estos datos es cuál es la mejor manera de representarlos gráficamente, de modo que sean fácilmente interpretables. Aquí es donde entra en juego Data Visualization, que abarca la creación y el estudio de las representaciones gráficas de datos.

Para llevar a cabo estas representaciones, Data Visualization utiliza herramientas como gráficas estadísticas, mapas o representaciones esquemáticas de diversa índole.

Podemos decir que el concepto de Data Visualization tiene siglos de historia. La publicación de datos de forma gráfica para facilitar su comprensión se remonta al siglo XVII, adquiriendo una gran relevancia durante la invasión napoleónica de Rusia en 1812, cuando Charles Minard trazó un mapa con el tamaño del ejército francés y el camino de retirada del mismo, asociándolo a variables como la temperatura y el tiempo.

Importancia y relevancia de Data Visualization

Con el transcurso de los años y el nacimiento y expansión de la informática, la recogida, almacenamiento, manejo e interpretación de datos ha evolucionado hasta cambiar nuestra forma de ver el mundo. Actualmente Data Visualization es uno de los pilares de Business Intelligence y es empleada en prácticamente todos los sectores de la sociedad. Gracias a ella podemos identificar zonas que necesitan una especial atención, determinar factores que justifiquen algunos acontecimientos, predecir comportamientos de diversa índole, etc.

Algunos conceptos clásicos están cambiando para adaptarse a un mundo basado en datos. Mientras que la formación tradicional se basa en la separación del tratamiento técnico de información y los métodos de narración visual de los mismos, Data Visualization se encuentra en una posición intermedia de ambos.

Para una representación apropiada de datos, además de tener claro dónde y de qué manera mostrarlos, es necesario tener en cuenta factores como la simplicidad, comparabilidad, diversidad y las causas que lo justifican.

Es clave mostrar los datos con únicamente las variables que sean necesarias para nuestro propósito, de esta forma serán más fácilmente interpretables y comparables a primera vista. Además, la misma información puede expresarse gráficamente de varias maneras, todas ellas válidas. Gracias a esta diversidad representativa puede ser más sencillo llegar a conclusiones. Evidentemente, nada de esto tiene sentido si no establecemos previamente el motivo por el que estamos visualizando los datos y qué pretendemos obtener de ello.

Existe una importante variedad de maneras de representar datos. Las más básicas son las que se nos enseñan desde pequeños (gráficas de barras, líneas, sectores, etc). Estas son muy útiles para datos estructurados, que son aquellos que pueden recogerse fácilmente en la tabla de una base de datos.

Sin embargo, cuando se tratan datos no estructurados, como pueden ser imágenes, vídeos o archivos de texto, es necesario utilizar otro tipo de representación. Algunas de las más comunes para estas situaciones son los gráficos relacionales, las nubes de palabras, los mapas de calor, las imágenes cartográficas o los diagramas de dispersión.

Se ha comprobado la influencia que tiene Data Visualization desde el punto de vista psicológico en el público objetivo. Esta influencia es más fuerte cuando el espectador no está condicionado previamente.

Recomendaciones para Data Visualization

A la hora de expresar de manera gráfica un gran número de datos, es aconsejable seguir una serie de pautas que nos faciliten esta tarea.

Según lo que se pretenda mostrar, un tipo de gráfico será más adecuado que otro. Por ejemplo, los gráficos de barras son útiles para establecer comparaciones, los lineales para mostrar tendencias y los de sectores circulares no son apropiados si las diferencias entre los sectores no son grandes.

Se recomienda no truncar los ejes de coordenadas, ya que ello puede dar lugar a interpretaciones erróneas de los resultados. Hay que utilizar solamente los colores que sean necesarios para dar información, ya que demasiados pueden llevar a confusión. Al igual que con los colores, hay que procurar que los gráficos se vean lo más limpios posible, sin añadidos innecesarios. Por último, se debe etiquetar todo aquello que aparezca en el gráfico.

Perspectivas de Futuro

Actualmente, se estima que el sector relacionado con los datos tiene un valor de unos 4 billones de dólares. Sin embargo, debido al gran crecimiento en el que se halla inmerso, se prevé que para el año 2022 su valor ronde los 7 billones de dólares.

Data Visualization

Con el surgimiento del Big Data, uno de los grandes desafíos de futuro es el análisis y plasmación de grandes volúmenes de datos en tiempo real. Además, es tal la cantidad de datos que se reciben que uno de los frentes actuales abiertos es el del uso de técnicas de reducción de datos que permitan operar un número más manejable de los mismos. Para este fin se están desarrollando técnicas como el muestreo, filtrado y agregación de datos.

Como resultado de estas técnicas de reducción se han desarrollado herramientas de visualización. Algunas de las más destacadas son Data Cube & Nanocube, que son extensiones multidimensionales de tablas bidimensionales; por otro lado está inMens, que agrupa variables en función de esquemas definidos; scalaR también es capaz de aplicar la reducción de datos para representarlos gráficamente de la manera más óptima posible.

La manera más rápida y eficiente de apreciar unos resultados es hacerlo de forma gráfica. Para ello hacemos uso de las técnicas de Data Visualization, que se fundamenta en un amplio abanico de opciones para representar datos.

Con Data Visualization podemos hacer uso de representaciones clásicas de gráficos, así como de otras que han ido ganando importancia desde un pasado más reciente. Para la creación de estas representaciones es necesario procesar cantidades crecientes de datos, para lo que cada vez es más necesario desarrollar técnicas que faciliten este proceso.

Algunos expertos aseguran que los datos son el nuevo petróleo. Esta afirmación nos hace reflexionar sobre la relevancia que tienen en una sociedad cada vez más digitalizada, en la que casi todo se puede medir e interpretar. Reflexión que se ve ampliamente respaldada por las cifras económicas del sector.

TAGSBig DataVisualización de datos

¿Te interesa?
Contacta con nosotros

Suscríbete

Gracias por suscribirte

esc

Si estás pensando en algo, hagámoslo juntos.

Déjanos al menos tu email y nos pondremos en contacto en breve.

Enviando tu mensaje...

Gracias.
Lo dicho, en breve nos pondremos en contacto contigo.

Subir